MATLAB实现灰度变换与直方图均衡化实例

本次作业涉及的是图像处理中的灰度变换与直方图均衡化，具体任务是在MATLAB环境下完成。首先，上机实验部分要求学生用MATLAB实现三种不同的灰度变换： 1. 灰度减弱：通过对原始图像（ Lena256.bmp）进行线性变换，将图像的灰度值压缩到新的范围，如将最大灰度值降低50个单位，最小灰度值不变，然后调整输出值。 2. 灰度增强：另一种线性变换，将图像的灰度值扩展，例如，通过将最大灰度值放大512个单位，同时保持最小灰度值不变，然后进行调整。 3. 灰度反转：这种变换是将图像的灰度值取反，即将所有灰度值减去其最小值。 接下来是计算作业： 问题1： 要求设计一个单调的变换函数，将图像的灰度级从rmin（最小灰度）扩展到L-1（最大灰度），确保最低灰度变为C。变换函数表达式为： \[ s = \frac{L-1-C}{r_{max}-r_{min}} \times (r-r_{min}) + C \] 问题2： 给出了一个灰度级为8（即二进制图像）的直方图，需要利用设计的变换函数对原始直方图进行操作，使得图像的灰度级扩展，并求出变换后的直方图。直方图显示了不同灰度级的概率分布，即每个灰度值对应的像素比例。 上机实验代码： 通过MATLAB的`imshow`函数展示了原图、经过三种变换处理后的图像以及均衡化的图像。`imhist`函数用于生成直方图，但实验要求学生自己编写代码来实现直方图的绘制，而不仅仅是调用预设函数。 在实验2中，`histeq`函数通常用于直方图均衡化，它自动调整图像的灰度分布，使各灰度级的概率更加均匀，从而增强图像对比度。这里，`histeq(Ao,256)`表示使用256个灰度级别对原图进行直方图均衡化，然后显示均衡后的图像和相应的直方图。 这个作业涵盖了灰度变换的基本原理及其在图像处理中的应用，以及直方图均衡化技术，要求学生能够理解和实现这些概念，并通过编程实践加深理解。